可以将spark配置为将空数据集推断为空模式吗

我们有很多parquet数据集，按年/月/日/小时划分。

只有一个_SUCCESS文件，其中一些时间是空的。

我们实现迭代所有分区并执行工作的作业。打开空数据集时遇到问题。org.apache.spark.sql.AnalysisException: Unable to infer schema for Parquet. It must be specified manually.

（使用EMR5.3.0 - 我们正在努力摆脱依赖，以便我们可以升级到更高版本）

Spark-shell示例：

Welcome to

  ____              __
/ __/__  ___ _____/ /__
_\ \/ _ \/ _ `/ __/  '_/

/___/ .__/_,_/_/ /_/_ version 2.1.0

  /_/

Using Scala version 2.11.8 (OpenJDK 64-Bit Server VM, Java 1.8.0_121)
Type in expressions to have them evaluated.
Type :help for more information.

scala> val df = spark.read.parquet("s3://some-bucket/empty-dataset/")
org.apache.spark.sql.AnalysisException: Unable to infer schema for Parquet. It must be specified manually.;
at org.apache.spark.sql.execution.datasources.DataSource

$$ anonfun$8.apply(DataSource.scala:189) at org.apache.spark.sql.execution.datasources.DataSource $$

anonfun$8.apply(DataSource.scala:189)
正如spark所说，我可以指定一个模式，但这对我来说是不切实际的，因为模式很大并且每个分区不同（不要问）。

我首选的解决方案是，如果可以将spark配置为将空数据集推断为空模式。